ANALISIS DATA MINAT CUSTOMER TERHADAP PRODUK DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER
STUDI KASUS: PT JELLYFISH EDUCATION INDONESIA
Abstract
PT Jellyfish Education Indonesia merupakan sebuah perusahaan yang bergerak di bidang pendidikan kursus bahasa Jepang dengan berbagai produk yang ada, mulai dari produk private, regular/grup, semi private, bisnis, percapakan, kids, intensive. PT Jellyfish Education Indonesia mengalami kesulitan dalam mengelola data-data customer yang masuk dalam menentukan minat customer dalam memilih produk yang ada, sehingga produk mana yang paling diminati oleh customer tidak bisa diketahui oleh perusahaan dan menyebabkan kesulitan dalam menentukan produk mana yang akan dipasarkan atau dijual. Untuk mendukung dalam menentukan produk mana yang akan dipasarkan dan diprioritaskan perlu dilakukan sebuah penelitian dalam memprediksi minat customer yang masuk. Metode Naïve Bayes Classifier membantu memberikan solusi dalam memprediksi minat customer terhadap produk yang dijual berdasarkan data pada bulan sebelumnya. Penelitian secara observasi terhadap data perusahaan tersebut mendapatkan hasil dengan menggunakan 222 data customer dan dianalisis menggunakan metode Naïve Bayes Classifier yang selanjutnya diproses dengan aplikasi rapidminer yang memperoleh akurasi (rasio prediski benar dengan keseluruhan data) 72.73%.
References
Abdurahman, M. (2018). Sistem Informasi Data Pegawai Berbasis Web Pada Kementerian Kelautan Dan Perikanan Kota Ternate. Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika, 1(2), 70–78. https://doi.org/10.47324/ilkominfo.v1i2.10
Afiatin, N. (2015). Pengaruh Perhatian Orang Tua Dan Minat Belajar Siswa Terhadap Prestasi Belajar Ilmu Pengetahuan Sosial. Faktor Jurnal Ilmiah Kependidikan, II(1), 1–9.
Andoyo, A., & Rianto, R. (2015). Program Aplikasi Nilai Siswa Pada SMK Muhammadiyah Pringsewu Sebagai Penunjang Pengambilan Keputusan Siswa Berprestasi Menggunakan Visual Basic 6 . 0. Jurnal TAM (Technology Acceptance Model), 5(2), 58–65. http://www.ojs.stmikpringsewu.ac.id/index.php/JurnalTam/article/view/49/49
Artanti, D. P., Syukur, A., Prihandono, A., & Setiadi, D. R. I. M. (2018). Analisa Sentimen Untuk Penilaian Pelayanan Situs Belanja Online Menggunakan Algoritma Naïve Bayes. 8–9.
Badii, Y. A., & Kuncoro, D. (2017). Perancangan Sistem Informasi Penjualan Dan Bembelian Serta Pengendalian Stok Barang Pada Toko Batik Kusumawardani Solo. Jurnal Ilmiah Go Infotech, 23(1), 19–26.
Bagus, A., & Dinata, J. (2018). Media Pembelajaran Interaktif Untuk Materi Bahasa Jepang Level Dasar. 2(1), 438–445. https://ejournal.itn.ac.id/index.php/jati/article/view/1702
Faisal, M. R., Afidh, R. F. F., & Arianto, A. (2017). Sistem Pengolahan Data Pelanggan Pada Tv Kabel Pt. Aneka Vision Dumai Menggunakan Visual Basic 6.0. I N F O R M a T I K A, 9(1), 49.
Fanani, M. R. (2020). Algoritma Naïve Bayes Berbasis Forward Selection Untuk Prediksi Bimbingan Konseling Siswa. Jurnal DISPROTEK, 11(1), 13–22. https://doi.org/10.34001/jdpt.v11i1.952
Jihad, M. A. (2019). Pemanfaatan Metode Technique for Order Preference By Similiarity To Ideal Solution (Topsis) Untuk Menentukan Pelanggan Terbaik. Jurnal Informasi Dan Komputer, 7(1), 1–6. https://doi.org/10.35959/jik.v7i1.117
Kurniawan, Y. I. (2018). Perbandingan Algoritma Naive Bayes dan C.45 dalam Klasifikasi Data Mining. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(4), 455. https://doi.org/10.25126/jtiik.201854803
Manalu, E., Sianturi, F. A., & Manalu, M. R. (2017). Penerapan Algoritma Naive Bayes Untuk Memprediksi Jumlah Produksi Barang Berdasarkan Data Persediaan dan Jumlah Pemesanan Pada CV. Papadan Mama Pastries. Jurnal Mantik Penusa, 1(2), 16–21. https://ezp.lib.unimelb.edu.au/login?url=https://search.ebscohost.com/login.aspx?direct=true&db=ffh&AN=2008-10-Aa4022&site=eds-live&scope=site
Nofriansyah, D., Erwansyah, K., & Ramadhan, M. (2016). Penerapan Data Mining dengan Algoritma Naive Bayes Clasifier untuk Mengetahui Minat Beli Pelanggan terhadap Kartu Internet XL ( Studi Kasus di CV. Sumber Utama Telekomunikasi). Jurnal Saintikom, 15(2), 81–92.
